LF-YOLO: A Lighter and Faster YOLO for Weld Defect Detection of X-Ray Image

特征(语言学) 编码(集合论) 计算机科学 卷积(计算机科学) 人工智能 特征提取 模式识别(心理学) 图像(数学) 焊接 卷积神经网络 人工神经网络 计算机视觉 工程类 机械工程 哲学 集合(抽象数据类型) 程序设计语言 语言学
作者
Moyun Liu,Youping Chen,Jingming Xie,Lei He,Yang Zhang
出处
期刊:IEEE Sensors Journal [Institute of Electrical and Electronics Engineers]
卷期号:23 (7): 7430-7439 被引量:38
标识
DOI:10.1109/jsen.2023.3247006
摘要

X-ray image plays an important role in manufacturing industry for quality assurance, because it can reflect the internal condition of weld region. However, the shape and scale of different defect types vary greatly, which makes it challenging for model to detect weld defects. In this article, we propose a weld defect detection method based on convolution neural network (CNN), namely, lighter and faster YOLO (LF-YOLO). In particular, a reinforced multiscale feature (RMF) module is designed to implement both parameter-based and parameter-free multiscale information extracting operations. RMF enables the extracted feature map to represent more plentiful information, which is achieved by a superior hierarchical fusion structure. To improve the performance of detection network, we propose an efficient feature extraction (EFE) module. EFE processes input data with extremely low consumption and improves the practicability of whole network in actual industry. Experimental results show that our weld defect detection network achieves satisfactory balance between performance and consumption and reaches 92.9 mean average precision (mAP50) with 61.5 frames/s. To further prove the ability of our method, we test it on the public dataset MS COCO, and the results show that our LF-YOLO has an outstanding versatility detection performance. The code is available at https://github.com/lmomoy/LF-YOLO .
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
南浔发布了新的文献求助10
1秒前
英姑应助风雨轩采纳,获得10
2秒前
lucky发布了新的文献求助10
2秒前
斯文败类应助沐沐羚采纳,获得10
3秒前
4秒前
Akim应助难得糊涂岳麓山采纳,获得10
4秒前
orixero应助难得糊涂岳麓山采纳,获得10
4秒前
4秒前
默认用户名完成签到 ,获得积分10
4秒前
田様应助难得糊涂岳麓山采纳,获得30
4秒前
4秒前
4秒前
Orange应助难得糊涂岳麓山采纳,获得10
4秒前
6秒前
8秒前
9秒前
酷波er应助二宝采纳,获得10
9秒前
彭铤发布了新的文献求助10
10秒前
Kail完成签到,获得积分10
11秒前
科研通AI2S应助胡说八道采纳,获得10
11秒前
灰风发布了新的文献求助10
12秒前
祯元小猫发布了新的文献求助10
12秒前
李狗蛋完成签到 ,获得积分10
14秒前
xiayil发布了新的文献求助30
14秒前
Ning发布了新的文献求助10
15秒前
16秒前
17秒前
良月完成签到,获得积分10
17秒前
17秒前
SciGPT应助莹ing采纳,获得30
19秒前
华仔应助kingjames采纳,获得10
19秒前
风雨轩发布了新的文献求助10
20秒前
我是老大应助哈哈哈哈哈采纳,获得10
21秒前
清爽夜雪完成签到,获得积分10
21秒前
开心超超超人呢完成签到 ,获得积分10
22秒前
祯元小猫完成签到,获得积分10
23秒前
licheng完成签到,获得积分20
24秒前
充电宝应助xiayil采纳,获得10
24秒前
25秒前
25秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
安全防范技术与工程 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
A real-time energy management strategy based on fuzzy control and ECMS for PHEVs 400
2024 Medicinal Chemistry Reviews 400
Why I Chose China [by Morris R. Wills] in "Look", February 8 and 22, 1966; 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3191484
求助须知:如何正确求助?哪些是违规求助? 2840808
关于积分的说明 8030160
捐赠科研通 2504179
什么是DOI,文献DOI怎么找? 1337511
科研通“疑难数据库(出版商)”最低求助积分说明 638102
邀请新用户注册赠送积分活动 606605